“双碳”目标下创新要素配置优化与制造业高质量发展

王 正，郭 珩

（1.上海财经大学浙江学院，浙江 金华 321000；2.澳门科技大学 商学院，中国 澳门 999078）

一、引言

2020 年9 月，习近平总书记郑重承诺，中国将争取于2030 年之前实现碳达峰，于2060 年之前实现碳中和，彰显构建人类命运共同体的大国担当。在“双碳”目标引领下，高质量发展成为中国“十四五”时期乃至未来更长时期经济社会发展的主题。其中，以制造业为主体的实体经济是国民经济巨轮乘风破浪的“稳定器”和“压舱石”，是“双碳”目标下实现高质量发展的先锋队、主力军。而想要实现制造业高质量发展，低碳绿色是鲜明底色，科技创新是动力引擎。2022 年全国两会强调，要深入落实创新驱动发展战略，突破供给约束堵点，强化关键零部件、原材料等供给保障，以创新推动制造业高质量发展，维护产业链供应链安全稳定运行。党的二十大报告提出，“深入实施创新驱动发展战略”“推动制造业高端化、智能化、绿色化发展”。但制造业高质量发展的“卡脖子”问题、创新要素供给约束、绿色低碳发展短板等桎梏依然存在，需从实证层面探寻创新要素配置优化与制造业高质量发展的深层逻辑和微观表征，厘清制造业高质量、可持续发展的实践进路。

目前，关于制造业高质量发展的研究主要集中于制造业高质量发展战略与举措[1，2]、制造业高质量发展的理论逻辑与变化态势[3]、制造业高质量发展水平测度及时空演变[4]。还有部分学者致力于研究制造业高质量发展的影响因素，主要集中于工业智能化[5]、环境规制[6]、研发投入[7]、数字经济[8]等视角。此外，亦有学者对要素配置与制造业高质量发展的关系展开研究[9]。与已有文献相比，文章可能的边际价值在于：第一，立足“双碳”目标深入探究创新要素配置优化与制造业高质量发展的深层逻辑关系，丰富相关研究视角。第二，创新性地以“双碳”目标为切入点，在考量环境因素的基础上，选取低碳产出、低碳政策、绿色消费三个指标来衡量低碳经济，并将其作为中介变量实证检验创新要素配置优化对制造业高质量发展的影响效应及可能存在的传导路径。随后，进一步构建面板门槛模型检验创新要素配置优化对制造业高质量发展影响的非线性特性。第三，根据研究样本所处开放水平、经济圈层、地理区位以及时间区间，探究创新要素配置优化对制造业高质量发展的异质性影响。

二、理论机制与研究假说

1.创新要素配置优化与制造业高质量发展

创新要素配置优化拉动经济增长效率提升，不仅涉及制造业微观层面资源配置效率，而且关乎制造业宏观层面高质量发展。一方面，创新要素配置优化可显著提升制造业资源配置效率。创新要素配置优化能够增加制造业所需的创新要素存量，为产业高质量发展提供要素保障。在逐利动机驱使下，创新要素培育与供给质量改善能够充分发挥各类创新要素效能，使之流向投资收益率更高的项目，进而提升制造业投入产出效率，推动制造业高质量发展[10]。另一方面，创新要素配置优化可重塑制造业供需关系。创新要素配置优化有助于实现资金、人才、技术等创新要素合理有序流动，减少制造业领域中相对创新要素紧缺、要素抵消配置、简单重复使用等问题，避免产业同构、竞争同质现象的出现，有效提升制造业全要素生产率[11]。根据上述分析，提出以下假设：

假设H1：创新要素配置优化对制造业高质量发展具有正向促进作用。

2.创新要素配置优化、低碳经济与制造业高质量发展

“双碳”目标下，大力发展低碳经济成为推动制造业高质量发展的关键点。然而，传统产业粗放式发展造成的一系列环境污染、资源浪费等问题，不利于低碳经济发展[12]。为破解这一困局，创新要素配置优化带来大量新技术、资本等要素，促进传统制造技术迭代更新，同时倒逼相关部门与机构推出绿色低碳政策条款，引导国民经济逐步向低碳经济转变。第一，低碳产出路径。创新要素配置优化能够加速制造业企业之间的创新技术互动，促使企业以较低成本获取创新要素，进而增加企业低碳产出。第二，低碳政策路径。创新要素配置程度逐步优化，推动环境规制政策逐步细化与合理化，从污染物排放、绿色技术应用等多方面规范制造业生产经营，进而助推企业逐步迈向高质量发展阶段。第三，绿色消费路径。在“双碳”目标战略深入推进与国家大力倡导低碳经济与绿色消费背景下，居民低碳意识逐渐增强并开始注重绿色消费。而创新要素配置优化为制造业带来大量新技术与资源，助力企业产品与服务绿色化转型，进而满足消费者绿色消费需求。这种良性循环可以有效提升制造业的绿色技术创新能力和市场竞争力，进而促进制造业高质量发展。基于上述分析，提出以下假设：

假设H2：创新要素配置优化能够通过拉动低碳经济增长而推动制造业高质量发展。

三、研究设计

1.模型设定

为探究创新要素配置优化对制造业高质量发展的作用效果，构建基准模型进行实证分析，具体公式如下：

式中，i 代表地区；t 代表年份；Aline 代表创新要素配置优化水平；μ 表示常数项；σi为个体效应；τt为时间效应；ϑit代表随机干扰项；Control 表示控制变量；Maind 为制造业高质量发展水平。

进一步，立足上文理论机制，在式(1)基础上构建如下递归模型，参考甘清华、陈淑梅(2021)[13]的研究，设置如下公式：

式中，Intvai 为低碳经济，是文章的中介变量，选择低碳产出、低碳政策、绿色消费三个指标进行度量。

2.变量说明

被解释变量：制造业高质量发展(Maind)。参考李蕾和刘荣增(2022)[14]研究，选用制造业的全要素生产率来衡量制造业的发展质量。利用柯布—道格拉斯生产函数，得到全要素生产率计算公式如下：

其中，W 为制造业规模，借助制造业总产值进行替代；R和U 分别表示制造业的劳动数量和资本存量，分别用制造业劳动就业人数和固定资产净值来衡量。β 和α 分别为资本和劳动的产出弹性。

解释变量：创新要素配置优化(Aline)。“双碳”目标背景下，创新要素配置优化主要表现在创新要素高级化、高效化以及协同化配置。在参考相关学者研究基础上[15，16]，兼顾数据科学性、可得性、合理性，构建创新要素配置优化指标体系（表1），并利用熵权TOPSIS 法测度创新要素配置优化水平。

表1 创新要素配置优化评价指标体系

中介变量：低碳经济(Intvai)。低碳经济主要选择低碳产出(Loco)、低碳政策(Lcap)、绿色消费(Grec)进行衡量。其中，低碳产出则以制造业碳排放量进行衡量。低碳政策主要参照武云亮等(2021)[17]的做法，借助环境规制强度进行表征。先对所选样本省份中各项环境污染治理结果进行加权平均处理，而后构建环境规制强度综合指标进行衡量。指标主要选取工业固体废弃物综合利用率、工业烟（粉） 尘去除率、生活垃圾无害化处理率及二氧化硫四项指标进行衡量。绿色消费借助绿色低碳产品市场占有率进行衡量。

控制变量：基于当前学术界研究成果，选取以下控制变量：区域经济集聚度(Rcae)借助各省份人均GDP 进行衡量；政府干预度(Govi)使用财政支出占国内生产总值的比重替代；人力资本(Huca)采用平均受教育年限进行衡量；相对投资净额(Rlan)选用非居民直接投资资本流入净额进行衡量；城镇化水平(Urle)运用城镇人口占年末总人口比重进行替代；信息化水平(Infm)借助互联网用户数进行衡量；交通基础设施水平(Trsi)选用人均城市道路面积表征；区域对外贸易(Opre)用对外贸易交易额进行衡量。

3.数据来源

综合考虑数据可获取、合理性及科学性，文章选取2010—2020 年中30 个省份面板数据（除西藏及港澳台地区外） 探究创新要素配置优化对制造业高质量发展的作用效果。数据主要来源于《中国工业统计年鉴》 《中国统计年鉴》 《中国城市统计年鉴》 《中国人口统计年鉴》 《中国高技术产业统计年鉴》 《中国信息年鉴》、UNCTAD 数据库、世界经济发展数据库、BvD 数据库、EPS 数据库、中经网数据库。由于2018 年与2019 年并未出版《中国工业统计年鉴》，其相关数据使用插值法进行补充。

四、实证结果与分析

1.基准模型回归结果分析

表2 为创新要素配置优化对制造业高质量发展的全样本回归结果。列(1)中并未加入控制变量，列(2)～(9)则是逐次引入控制变量后的回归结果。结果显示，在依次加入控制变量后，创新要素配置优化影响系数均为正，且均达到1%置信水平，仅系数大小存在差异。这意味着创新要素配置优化可显著驱动制造业高质量发展。各控制变量基准回归结果与预期结果较为相符：区域经济集聚度影响系数为正，在1%水平上显著；政府干预度对制造业高质量发展具有显著负向影响；区域对外贸易影响系数为负，但并未通过显著性检验；人力资本、相对投资净额、城镇化水平、信息化水平、交通基础设施水平影响系数均为正，且大多达到1%置信水平。至此，假设H1 得以验证。

表2 基准回归结果

2.异质性检验结果分析

文章根据研究样本所处地理区位、经济圈层、开放水平、时间区间分别对式(1)进行异质性检验，结果见表3。

表3 异质性检验结果

（1） 地理区位异质性

立足国家统计局划分依据将全国30 个省份划分为东部、中部、西部、东北四个地区，结果见表3 列(1)～(4)。由此可知，创新要素配置优化对四大区域制造业高质量发展具有显著驱动效应，与全国层面实证结果较为一致。就影响系数大小而言，东部地区创新要素配置对制造业高质量发展的作用强度最大，其次为中部地区，再次为东北地区，最后为西部地区。

（2） 经济圈异质性

文章以环渤海、泛珠三角、长三角三大经济圈为研究对象，探析创新要素配置优化对制造业高质量发展的异质性影响，结果见表3 列(5)～(7)。环渤海地区创新要素配置优化对制造业高质量发展的影响系数为0.085，不显著；泛珠三角地区影响系数为0.073，在5%水平上显著；长三角地区影响系数为0.068，在10%水平上显著。

（3） 开放度异质性

依据地区对外开放水平差异，将研究样本划分为内陆地区与沿海地区两类，结果见表3 列(8)、(9)。可以看出，创新要素配置优化可驱动内陆、沿海地区制造业高质量发展，影响系数分别为0.085、0.135，仅沿海地区通过显著性检验。

（4） 时间异质性

选取2010—2015 年及2016—2020 年两个时间区间分析创新要素配置优化对制造业高质量发展的阶段性特征，结果见表3 列(10)、(11)。结果表明，在2010—2015 年间，创新要素配置优化水平对制造业高质量发展具有显著促进效应。而在2016—2020 年间，创新要素配置优化对制造业高质量发展影响为正但不显著。

3.影响机制检验与分析

（1） 作用路径检验与分析

在式(2)、(3)基础上，检验低碳经济在创新要素优化影响制造业高质量发展中是否发挥中介效能，具体结果见表4。

表4 列(2)为创新要素配置优化对低碳产出的作用结果。其中，创新要素配置优化影响系数为0.175，在10%水平上显著。同时，列(5)中低碳产出对制造业高质量发展的驱动作用在1%水平上显著，且创新要素配置优化系数小于列(1)系数。这意味着低碳产出在创新要素配置优化对制造业高质量发展影响中具有部分中介效应。由表4 列(3)结果可知，创新要素配置优化对低碳政策影响系数为正，表明创新要素配置优化水平提升可推动低碳政策落实。同时，列(6)中创新要素配置优化与低碳政策影响系数分别为0.101 和0.082，各自在1%、10%水平上显著，说明低碳政策在创新要素配置优化影响制造业高质量发展过程中发挥正向中介效应。表4 列(4)结果是绿色消费作为被解释变量的回归结果，创新要素配置优化系数为0.141，在1%水平上显著，且列(7)中绿色消费与创新要素配置优化影响系数显著为正，表明创新要素配置优化可通过促进绿色消费实现制造业高质量发展。综上所述，创新要素配置优化可通过低碳产出、低碳政策、绿色消费促进制造业高质量发展，假设H2 得以验证。

表4 作用路径检验结果

（2） 阈值检验与分析

门槛模型构建。创新要素配置优化通过低碳产出、低碳政策、绿色消费来促进制造业高质量发展。为探究这三类中介效应是否存在阈值特征，以低碳产出、低碳政策、绿色消费为门槛变量，参考程思进和任晓聪(2022)[18]的研究，搭建单一门槛模型如下：

式中，Yit代表门槛变量，可细分为低碳产出(Loco)、低碳政策(Lcap)、绿色消费(Grec)；γ1代表待估算的门槛值；I(·)表示指标函数。其他多重门槛可在式(5)基础上扩展得到。

门槛模型回归结果与分析。进行门槛模型检验前，需先明确是否有门槛及门槛数量（表5）。结果表明，低碳产出、绿色消费均存在显著双重门槛，而三重门槛均不显著。低碳政策对应三种类型门槛检验均不显著，故而不存在门槛效应。当以低碳产出、绿色消费为门槛变量时，创新要素配置优化与制造业高质量发展之间存在基于低碳产出、绿色消费的双重门槛效应。在测算得到的门槛值基础上，以低碳产出、绿色消费为门槛变量对模型进行检验分析，结果见表5 列(5)、(7)。

表5 结果表明，当低碳产出为门槛变量时，两个门槛值分别为1.121 与2.105。当lnLoco≤1.121、1.121＜lnLoco≤2.105 和lnLoco＞2.105 时，回归系数分别为0.079、0.085 和0.109，且均通过1%显著性检验。可以看出，当低碳产出在不同门槛区间内时，创新要素配置优化对制造业高质量发展的作用效果存在差异。当门槛变量为绿色消费时，门槛值分别为0.186 和0.675。当lnGrec≤0.675、0.675＜lnGrec≤1.186 和lnGrec＞1.186 时，创新要素配置优化系数分别为0.069、0.086 和0.098，且均通过1%显著性检验。除此之外，表5 列(1)未加入控制变量，列(2)～(4)则是逐次加入控制变量lnRcae、lnGovi 和lnHuca 的检验结果。可以看出，随着控制变量的逐次引入，虽然门槛变量存在一定变动，但低碳产出在不同区间内，创新要素配置优化均可显著促进制造业高质量发展，且这一促进效应是递增的。列(6)则是以绿色消费为门槛变量时不引入控制变量后得到的检验结果。

表5 门槛模型回归结果

五、研究结论与政策启示

1.研究结论

文章选取中国30 个省份2010—2020 年面板数据，创新性地从“双碳”目标视角切入，探究创新要素配置优化影响制造业高质量发展的传导机制与作用路径。结果表明：第一，创新要素配置优化可显著驱动制造业高质量发展；第二，低碳经济是创新要素配置优化促进制造业高质量发展的重要路径，其中绿色消费对制造业高质量发展的驱动效应最强，明显高于低碳产出与绿色消费；第三，创新要素配置优化对制造业高质量发展的影响效应具有时空异质性；第四，进一步研究发现，当以低碳产出、绿色消费为门槛变量时，创新要素配置优化对制造业高质量发展之间存在双重门槛效应。

2.政策启示

首先，以创新要素高效化配置为核心，培育制造业智能化发展新业态。一方面，面对数字化浪潮，需大力推动制造业与创新要素深度融合，依靠技术创新要素赋能业务流程、管理系统进行实质性升级，构建一批“灯塔工厂”，为制造业高质量发展提供全新方案。另一方面，制造业应利用5G 网络收集海量数据要素，构建巨大数据库，搭建一批“示范样板园”，为制造业发展提供“5G+智能制造”创新方案，助推制造业高质量发展。

其次，以实现“双碳”目标为重心，形塑制造业低碳绿色发展新路径。一是以低碳发展为核心导向，大力改革“亩均论英雄”，以创新驱动切实提升制造业高质量发展水平。二是创建由产业链上下龙头企业、高校院所共同出资成立的绿色技术创新中心，紧跟产业发展核心需求，快速推进科技创新成果转化效率，助力制造业绿色化发展。

最后，以区域精准施策为靶心，构筑制造业区域协调发展新格局。一是引导资金、制度创新要素向长三角、环渤海、泛珠三角等区域倾斜，依托地区社会经济繁荣、高校院所集聚、环保产业发达等特点，构建环保技术装备创新活跃区域。二是合理布局制造业高质量发展区域，构筑以北部为核心的绿色制造发展区、以东西两翼为基础的沿海制造业拓展带、以珠三角为主体的高端制造业核心区，加速推动区域制造业发展提质增效。